研究团队推出国际象棋历史推理基准RetroChessBench

1. 12:00
   arXiv cs.AI

   RetroChessBench：评估大模型重建并证明国际象棋历史的基准

   研究团队推出 RetroChessBench，一个包含 12 项任务的基准，用于检验模型在回溯国际象棋中重建合法棋史、区分可能事件与必然事件的能力。GPT 6 Astra High 在无工具时 24 次尝试中有 22 次未能给出要求的最终答案，配合代码执行时仍有 18 次失败，平均终端 RL 奖励分别为 14.75% 和 27.19%。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。